32 个 AI 编程工具的配置都放哪,这个仓库整理清楚了

导读

如果你只用一个 AI 编程工具,这篇可以跳过。

但现实往往是:终端里跑 Claude Code,编辑器里开着 Cursor,仓库里挂着 Copilot,偶尔还试试 Codex、Windsurf、Cline。每换一个工具,你就得重写一遍同样的项目规则------用什么框架、代码风格怎么定、哪些目录别碰。同一句话,你可能已经在五个不同格式、五个不同位置的文件里各抄了一遍。

有个叫 Ruler 的开源仓库在解决这件事。但比它本身更有用的,是它顺手整理出来的一份对照表:32 个主流 AI 编程工具,各自的配置文件到底叫什么、放在哪。 这份表本身就值得存下来。

先说它是什么

Ruler 的定位是给所有 AI 编程助手的指令做一个中心来源。你把规则写在一个 .ruler/ 目录里,跑一条 ruler apply,它负责按每家工具的格式翻译好、写进对应位置。改一处,全网同步。

bash 复制代码
npm install -g @intellectronica/ruler
ruler init      # 生成 .ruler/ 目录和 ruler.toml
ruler apply     # 分发到所有配置好的工具

这个思路不新鲜,Terraform 对基础设施、dotfiles 对 shell 配置都是一个套路:把散落各处、格式不一的配置,收敛成一份可以版本管理的源头。 值不值得为它装个工具,取决于你手上工具的异构程度,后面会讲。

更值钱的是这张表

我把 Ruler 支持的 32 个工具的配置映射整理成下面这张表。哪怕你根本不打算用 Ruler,这张表也能帮你在任何一个工具里,一眼找到该去哪写规则、该去哪配 MCP。

工具 规则文件 MCP 配置
Claude Code CLAUDE.md .mcp.json
GitHub Copilot AGENTS.md .mcp.json
Cursor AGENTS.md .cursor/mcp.json
Windsurf AGENTS.md .windsurf/mcp_config.json
OpenAI Codex CLI AGENTS.md .codex/config.toml
Gemini CLI AGENTS.md .gemini/settings.json
Aider AGENTS.md / .aider.conf.yml .mcp.json
Cline .clinerules ---
Amazon Q CLI .amazonq/rules/*.md .amazonq/mcp.json
Firebase Studio .idx/airules.md .idx/mcp.json
Qwen Code AGENTS.md .qwen/settings.json
RooCode AGENTS.md .roo/mcp.json
Kilo Code AGENTS.md .kilocode/mcp.json
OpenCode AGENTS.md opencode.json
Zed AGENTS.md .zed/settings.json
Warp WARP.md ---
Crush CRUSH.md .crush.json
Goose .goosehints ---
Trae AI .trae/rules/project_rules.md ---
Kiro .kiro/steering/*.md .kiro/settings/mcp.json
JetBrains AI .aiassistant/rules/AGENTS.md ---

(完整 32 项含 Jules、Amp、Junie、AugmentCode、Factory Droid 等,见仓库 README。)

盯着这张表看一会儿,会看出一些平时被工具切换掩盖掉的规律。

从这张表能读出的三层分裂

AI 编程工具的配置乍看一团乱麻,其实清清楚楚分了三层,每一层的成熟度完全不同。

第一层:规则文件,正在收敛。 这张表里,一多半工具的规则文件已经统一叫 AGENTS.md------Copilot、Cursor、Codex、Windsurf、Aider、Gemini、Zed、OpenCode 全都认它。这不是巧合,AGENTS.md 正在成为跨工具的事实标准。少数几个还守着自己的名字:Claude 的 CLAUDE.md、Warp 的 WARP.md、Cline 的 .clinerules。规则这一层,行业已经快打通了。 意味着你写一份 AGENTS.md,对大半工具直接生效,Ruler 在这层能帮的其实有限,几个软链接也能凑合。

第二层:MCP 配置,还在各自为政。 往右边一列看,画风突变:.mcp.json、.cursor/mcp.json、.codex/config.toml、.gemini/settings.json、opencode.json......有的是 JSON,有的是 TOML,有的塞进通用 settings 里,路径没有一个对得上。这层是纯粹的混沌,也是 Ruler 最难被替代的地方。 因为软链接只能让两个文件字节相同,做不了 JSON 到 TOML 的格式翻译,更做不了把一份 MCP 定义拆分写进十种结构。

第三层:Skills 和子代理,刚刚冒头。 表里没列全,但仓库已经在试验把技能包和可委派的子代理也分发出去,路径同样五花八门(.claude/skills/、.cursor/skills/、.agents/skills/)。这层还在早期,标准远未形成。

这三层放在一起,就是一个能反复用的判断框架:规则层看标准化程度,MCP 层看格式转换需求,Skills 层看它还在不在实验期。 你面对任何一个新冒出来的 AI 编程工具,套这三层去问,就知道它的配置该怎么接、值不值得纳入统一管理。

那到底要不要用 Ruler

有了三层框架,这个问题就不用拍脑袋了。

只用两三个工具、而且都吃 AGENTS.md 的 ------大概率不用装。写一份 AGENTS.md,需要的地方做几个软链接,比引入一个新依赖清爽。规则层已经帮你收敛好了,Ruler 在这里是过度工程。

同时管一堆异构工具、还重度用 MCP 的------这才是 Ruler 的主场。第二层那片 JSON/TOML 混沌,手动同步迟早出错,它的格式翻译和合并策略是真省事。

团队协作、想把 AI 规则纳入版本管理的 ------它顺带把生成的配置文件自动加进 .gitignore,避免每个人本地生成的文件互相污染,这个细节挺贴心。

Ruler 目前还挂着 Beta 的牌子,作者是 Eleanor Berger,MIT 协议。真要上手前,建议先用 --dry-run 空跑一遍看它打算改哪些文件,别让它直接覆盖你手写的配置。

说到底,一个工具能不能帮你,先看它替你收敛的是哪一层的乱。规则层的乱,行业自己快抹平了;MCP 那层的乱,眼下还得靠 Ruler 这类东西兜着。 而这张对照表最大的用处,是让你不管用不用它,都能随时知道自己该往哪写。

相关推荐
一缕82年的清风2 小时前
百万 Token 砍到 0.5 美元!微软新模型半价、DeepSeek 连夜撤回搜索费,11 月底开发者怎么搭最省钱?
gpt·claude·deepseek
Flynt11 小时前
AI 写的 Three.js 大屏,为什么越跑越卡?我在 Node 里复现了它的内存曲线
前端·ai编程·three.js
J船长11 小时前
AI 知识库的主流做法是 RAG,RAG怎么做
ai编程
小虎AI生活11 小时前
哇塞~24小时开机的WorkBuddy免费领,速来
aigc·ai编程
Maynor99613 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
郑世录15 小时前
codex 接本地模型,单次输出卡在 3208 token:一份照着做就能改的完整教程
ai编程
JavaGuide16 小时前
Gemini 真的变强了,写代码做视频的能力接近 Claude Opus5.5 了!
前端·ai编程
qinglongcn16 小时前
四面统一:记忆/Session/观测/Cron
agent·ai编程
qinglongcn16 小时前
从 metadata 键到独立列
agent·ai编程
YanisJiang17 小时前
别只把 AI 聊天当成「又一个网页」:把状态驱动的陪伴内核接到你自己的项目里
ai编程